AI 像剛從博士班畢業的新鮮人，老師傅教它的第一件事：不要一次說完

最近我和我的 AI 助理一起寫一篇文章，想談 AI 很像剛從博士班畢業的新鮮人。它讀過很多資料，反應很快，也能把事情整理得很完整，但真正進到工作現場，還是需要做過事情的人帶。

文章寫完後，我請 AI 助理做一張封面。第一版的圖，左邊放了一段很完整的標題，想把「AI 很懂理論，但是缺少實務經驗，需要老師傅帶」全部交代清楚。每一句都沒有錯，意思也很完整，可是我一看就覺得字太多了。

我只跟它說，我要的是「AI、博士、新鮮人」，另外一個是「老師傅」的意境。

後來我們把封面縮成兩行：

AI 博士新鮮人

遇上老師傅

這時候我才發現，我們修改這張封面的過程，其實就是整篇文章最好的例子。

AI 助理在意的是不要漏掉，老師傅在意的是不要一次說完。

完整沒有錯，但完整不一定有效

AI 接到一個任務，通常會努力把所有相關的東西都放進去。因為它怕漏掉重要資訊，也怕讀者看不懂，所以會補背景、補原因、補說明，最後再補一個結論。從交作業的角度來看，這樣很完整；從真正要讓人停下來看的角度，卻不一定有效。

封面不是文章摘要。封面的工作，是先讓人產生一個念頭：「一個剛從博士班畢業的 AI，遇到老師傅，會發生什麼事？」只要這個念頭出現，讀者才會點進來看。

如果在封面上就把「AI 擁有大量知識，但缺少現場經驗，需要資深工作者教導判斷」全部講完，讀者已經知道答案，反而沒有必要再往下讀。

這不是故意把話講一半，也不是玩文字遊戲，而是知道每一個位置有不同的任務。封面負責吸引人，開頭負責讓人留下來，案例負責讓人相信，最後才把觀點說清楚。真正的完整，不是把所有東西塞在同一個地方，而是讓每一段只做它該做的事。

圖說：AI 想把資料整理完整，老師傅則在判斷，現在最該留下的是哪一個重點。

老師傅不是知道得比較多，而是知道先拿掉什麼

我做了約二十年水電、十年熱水器電商。以前剛開始做的時候，看到客戶說熱水器不熱，就會一直想熱水器可能壞在哪裡；做久了以後，反而不會急著下答案。因為不熱不一定是機器壞掉，也可能是水壓、瓦斯、管線或使用方式的問題。

新手會想把所有可能性一次列出來，證明自己考慮得很周到。老師傅到現場，通常只先問幾個問題，做幾個檢查，先把不可能的拿掉，再決定下一步。

兩邊都在解決問題，但思考方式不一樣。新手怕漏掉，所以一直增加；老師傅知道關鍵在哪裡，所以敢刪掉。

寫文章也是一樣。不是知道十件事，就要把十件事都寫進去；不是 AI 能找到二十個資料，就要把二十個資料都交給讀者。真正困難的從來不是把內容加上去，而是判斷這篇文章現在只需要哪一件事，其他的先留下來，等下一篇再說。

做開發業務，也不是資料愈多愈好

最近我讓 AI 協助開發業務。它可以找潛在客戶、整理網站和粉絲專頁資料，也能分析對方可能缺少什麼。它常常會交回一份很完整的結果：商家背景、目前工具、可能痛點、我們可以提供的服務，連第一封開發訊息都一起寫好。

但真正要接觸客戶時，不是把這些資料全部送給對方。

例如對方已經有網站，我們就不能從「我可以幫你做網站」開始講。AI 會覺得新網站功能更完整、設計更好，提出來很合理；做過業務的人卻知道，客戶第一個想到的是：「我已經有了，為什麼還要再做？」

這時候要做的不是再補更多功能說明，而是把大部分的話拿掉，只留下對方現在真正缺的那一段。也許網站和 LINE 沒有接起來，也許菜單更新很麻煩，也許廣告有人點，後面卻沒有清楚的詢問流程。找到那個缺口，才有一句值得開口的話。

AI 的強項是把可能性攤開；老師傅的工作，是從裡面選出現在最該講的那一個。

我們不是要把 AI 變得跟人一樣慢

我並不是要 AI 少做一點。相反地，它可以繼續大量蒐集、整理、比較，把人以前沒有時間處理的資料先準備好。只是最後要交到客戶、讀者或工作現場以前，仍然需要有人做選擇。

哪些是事實，哪些只是合理推論；哪些現在要說，哪些留到對方有興趣再說；哪些內容雖然正確，放在這裡卻會分散注意力。這些判斷很難只靠一條指令寫完，因為它們來自一次次做過、看過，也曾經說太多、做錯過之後留下的經驗。

AI 像剛從博士班畢業的新鮮人，不是因為它不夠聰明，而是它太習慣證明自己知道很多。老師傅也不是每件事都比它懂，而是知道在這個時間、這個對象、這個位置，什麼最重要。

一個負責把可能性打開，一個負責把方向收回來。這兩個角色放在一起，才是我現在認為 AI 最有價值的工作方式。

選擇比努力重要，也比完整更難

以前我們常說，做事情要努力、資料要完整、準備要充分。這些都沒有錯。但有了 AI 以後，蒐集資料、整理內容、列出做法，已經不是最稀缺的能力。AI 可以比我們更快，也可以一次給出更多。

真正變得重要的，是選擇。

先決定什麼事情值得做，再讓 AI 幫忙把事情做好；先決定這一篇只說什麼，再讓 AI 把內容寫完整；先決定客戶現在最在意哪一個問題，再選擇要對他說哪一句話。

AI 助理在意不要漏掉，這是它的本事。老師傅在意不要一次說完，這是人的判斷。

AI 不需要少知道一點，它需要的是有人告訴它：你知道的這些東西裡，現在先留下哪一個就好。